모든 연구 입력값 → 전략 명세 (Strategy Spec) → 실행 가능한 코드 → 백테스트 (Backtest) → 진단 (Diagnosis)
시작하기 · 작동 원리 · 예시 · 문서 · 简体中文
퀀트 금융 연구 — 논문, 초안, 보고서 또는 전략 아이디어 — 를 검증된 실행 가능한 트레이딩 전략으로 자동 변환합니다.
🔬 멀티 포맷 입력 (Multi-Format Input)— PDF 논문, Markdown 초안, DOCX 보고서, 일반 텍스트. 자동 감지.
🧠 5단계 LLM 추출 (5-Layer LLM Extraction)— 다중 전략 감지 → 지표 (Indicators) → 신호 로직 (Signal Logic) → 실행 계획 (Execution Plan) → 리스크 관리 (Risk Controls).
✅ 검증된 코드 생성 (Verified Code Generation)— 단순히 "생성하고 기도하는" 방식이 아닌, AST 검증 + Backtrader 구조 체크 + 지표 레지스트리(Indicator Registry)를 포함.
📊 자동 백테스트 (Automated Backtesting)— 실행, 지표 추출, 그리고 논문에 보고된 성능과 비교하여 진단.
🤖 에이전트 네이티브 (Agent-Native)— VS Code Copilot, Claude Code 또는 호환 가능한 모든 에이전트에서 에이전트 스킬 (/x2strategy)로 작동.
💰 논문당 약 $0.1— DeepSeek 기반. LiteLLM을 지원하는 모든 제공업체에서 작동 가능.
┌──────────────────────────────────────────────────────────────┐
│ X2Strategy │
│ │
...
| 단계 | 입력 | 출력 | 수행 내용 |
|---|
| 파싱 (Parse) | 모든 문서 | PaperContent | 포맷 인식 추출 (PyMuPDF / 직접 읽기 / python-docx) |
| 추출 (Extract) | PaperContent | StrategySpec[] | 5단계 LLM: 전략 감지 → 지표, 로직, 실행, 리스크 추출 |
| 생성 (Generate) | StrategySpec | strategy.py | 데이터 모듈 → 신호 모듈 → 백테스트 모듈 → 통합 |
| 검증 (Validate) | strategy.py | 통과 / 실패 | AST 구문 + Backtrader 구조 + 지표 존재 여부 체크 |
| 백테스트 (Backtest) | strategy.py | 지표 (Metrics) | 타임아웃을 포함한 서브프로세스 실행 및 지표 추출 |
| 진단 (Diagnose) | 지표 (Metrics) | report.md | 논문에 보고된 결과와 비교하여 편차 표시 |
에이전트 스킬 (Agent Skills)은 개방형 표준입니다. 에이전트의 스킬 디렉토리에 클론하면 SKILL.md를 자동으로 인식하고 /x2strategy 슬래시 명령어를 등록합니다.
OpenClaw 사용자는 ClawHub에서 직접 설치할 수 있습니다:
openclaw skills install patrick-lew/x2strategy
또는 ClawHub CLI를 사용하십시오:
npx clawhub@latest install x2strategy
원격 또는 가이드된 설정을 위해, 이 프롬프트를 OpenClaw에 붙여넣으세요:
ClawHub에서 "X2strategy" 스킬 (patrick-lew/x2strategy)을 설치하십시오.
스킬 페이지: https://clawhub.ai/patrick-lew/x2strategy
작업 범위를 이 스킬로만 제한하십시오.
...
GitHub Copilot |
git clone https://github.com/ALAGENT-HKU/x2strategy.git ~/.copilot/skills/x2strategy |
Claude Code |
git clone https://github.com/ALAGENT-HKU/x2strategy.git ~/.claude/skills/x2strategy |
프로젝트 범위 (Project-scoped) |
git clone https://github.com/ALAGENT-HKU/x2strategy.git .github/skills/x2strategy |
그 다음 의존성 (dependencies)을 설치하십시오 (스킬 설치가 성공하면, 에이전트가 초기화 시 의존성을 자동으로 설치하지만, 수동으로 설치할 수도 있습니다):
cd ~/.copilot/skills/x2strategy # 또는 클론한 위치
# uv를 설치하지 않았다면, `pip install uv`를 실행하십시오
uv sync --extra codegen # core + backtrader + yfinance + akshare
중요
디렉토리 이름은 반드시 x2strategy여야 합니다
(SKILL.md 파일의 name 필드와 일치해야 함).
설치가 완료되면, 채팅창에 /x2strategy를 입력하거나 관련 상황 발생 시 에이전트가 자동으로 활성화됩니다.
git clone https://github.com/ALAGENT-HKU/x2strategy.git && cd x2strategy
uv sync --extra codegen # core + backtest
uv sync --extra agent # + FAISS 시맨틱 검색 (100페이지 이상의 논문용)
...
pip 대안
python -m venv .venv && source .venv/bin/activate
pip install -e ".[codegen,agent,dev]"
# 1. 설정 (Configure)
cp .env.example .env # API 키를 추가하십시오 (DEEPSEEK_API_KEY 권장)
# 2. 어떤 입력 형식이든 전략 사양(strategy specs)을 추출
...
또는 **에이전트 스킬 (agent skill)**을 사용하십시오 — 다음과 같이 말하기만 하면 됩니다:
"이 논문을 분석하고 주요 전략을 구현해줘" + PDF 첨부
에이전트가 파싱 (parsing), 추출 (extraction), 코드 생성 (code generation), 검증 (validation), 백테스팅 (backtesting) 및 진단 (diagnosis)의 모든 과정을 처리합니다.
| 형식 | 확장자 | 파서 (Parser) | 비고 |
|---|
| PDF | .pdf | PyMuPDF → 모드 A (직접) 또는 모드 B (FAISS) | 논문의 95% 이상을 커버하는 완전한 지원 |
| Markdown | .md .markdown | 직접 텍스트 읽기 | 전략 초안 및 노트에 이상적 |
| Word | .docx | python-docx (uv sync --extra docx ) | 내부 연구 보고서 |
| Plain text | .txt | 직접 읽기 | 가공되지 않은 전략 설명 |
형식은 파일 확장자로부터 자동 감지됩니다. 별도의 설정이 필요하지 않습니다.
실제 논문에서 사전 생성된 출력물은 examples/에서 확인할 수 있습니다.
| 논문 | 감지된 전략 | 산출물 (Artifacts) |
|---|
| Tactical Asset Allocation (Faber 2007) | 1 — SMA 타이밍을 사용한 GTAA | 명세서 (spec) + 코드 |
| Pairs Trading (Goncalves-Pinto et al.) | 3 — 거리 (Distance), 정상성 (Stationarity), 공적분 (Cointegration) | 명세서 (spec) |
| Value and Momentum (Asness et al.) | 2 — 가치 요인 (Value Factor), 모멘텀 요인 (Momentum Factor) | 명세서 (spec) |
출력 구조 예시
library/tactical_aa/
├── content.json # 파싱된 논문 내용
├── content.md # 사람이 읽을 수 있는 논문 요약
...
x2strategy/
├── paper2spec/ # 1단계: 문서 → 구조화된 명세서 (Structured Spec)
│ ├── config.py # 환경 및 라이브러리 경로 설정
...
| LLM은 Backtrader API 세부 사항에 대해 빈번하게 환각 (hallucinate) 현상을 일으킵니다: |
| 논문에서 코드로 직접 넘어가는 방식은 감사 가능성 (auditability)을 상실합니다. 우리의 | 방식은... |
| 변수 | 기본값 | 설명 |
|---|
PAPER2SPEC_LIBRARY_PATH | ./library | 출력 루트 디렉토리 |
PAPER2SPEC_MODEL | openai/gpt-4o-mini | LLM 모델 (LiteLLM 형식) |
SPEC2CODE_BACKTEST_TIMEOUT | 300 | 백테스팅 (backtest) 타임아웃 (초 단위) |
DEEPSEEK_API_KEY | — | DeepSeek (권장: 최고의 가성비/품질) |
OPENROUTER_API_KEY | — | OpenRouter (하나의 키로 모든 모델 사용) |
OPENAI_API_KEY | — | OpenAI 직접 연결 |
모든 스크립트는 PAPER2SPEC_MODEL을 재정의하기 위해 --model 옵션을 허용합니다.
| 리소스 | 설명 |
|---|
| SKILL.md | 에이전트 기술 지침 (Agent skill instructions) — 라우팅 (routing), 설정 (setup), 상호작용 게이트 (interaction gates) |
| ... | |
pytest tests/ -v # 180개 이상의 결정론적 테스트 (deterministic tests)
pytest tests/ -v --run-real # + 실제 API 테스트 (DEEPSEEK_API_KEY 필요)
- 멀티 엔진 지원 (Zipline, VectorBT)
- PDF로부터 테이블 및 수식 추출
- 배치 처리 (여러 논문을 병렬로 처리)
- qsa-benchmark 통합 (50개 논문 회귀 테스트 스위트)
- 정형화된
StrategySpec
QSA 플랫폼과의 스키마 통합 (schema unification)
기여를 환영합니다! 코드베이스의 방향성을 파악하려면 아키텍처 문서 (Architecture Doc)를 참조해 주세요.
git clone https://github.com/ALAGENT-HKU/x2strategy.git && cd x2strategy
uv sync --all-extras
cp .env.example .env # API 키 추가
...
Apache-2.0 · ALAGENT AI 优彦智能 제작 — 검증 가능하고 신뢰할 수 있는 금융 AI (Financial AI)